MétaCan
Menu
Retour à la cohorte
Enregistrement W3034517138 · doi:10.1177/0920203x20928903

Leveraging land values for rural development in China after the Sichuan earthquake

2020· article· en· W3034517138 sur OpenAlexfundno aff
Jessica Wilczak

Notice bibliographique

RevueChina Information · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChina's Socioeconomic Reforms and Governance
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésChinaRural housingLand consolidationRestructuringEconomic growthRural settlementCommodificationLand developmentBusinessConsolidation (business)AttractivenessGeographyEnvironmental planningRural areaLand usePolitical scienceAgricultureEconomyEconomicsFinanceCivil engineering

Résumé

récupéré en direct d'OpenAlex

Since the late 1990s, rural residential land consolidation projects have propelled a wave of rural restructuring across China. Characterized by the creation of concentrated villages, land consolidation is seen as a means of both improving land-use efficiency and promoting rural development. But residential concentration is often funded through the commodification of rural land – a trend that became particularly clear in rural Chengdu after the Wenchuan earthquake. This article explores the implications of land-based rural reconstruction in Chengdu. Drawing on a comparison of three adjacent communities in peri-urban Chengdu, the article argues that the tactics adopted by local leaders in their efforts to generate funds through land consolidation can best be characterized as a process of leveraging rural land values. This leveraging entails not only a risk of failure, but also a diversion of public funds towards projects that enhance the attractiveness of land to urban investors, a removal of control over land from the hands of rural residents, and a deepening of inequalities across communities.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,239
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina InformationMême sujetChina's Socioeconomic Reforms and GovernanceTravaux en français237 207